تحولات شتابان دیجیتال در زنجیره تأمین جهانی، هوش مصنوعی را به یکی از مؤثرترین محرکهای کاهش هزینه، افزایش بهرهوری و ارتقای رقابتپذیری در صنعت حملونقل دریایی تبدیل کرده است. بنادر هوشمند در حال تبدیلشدن به الگوی غالب در این صنعت هستند و کشورهای حاشیه خلیج فارس با سرعت چشمگیری در مسیر اتوماسیون و digitalization گام برمیدارند. امارات، عربستان، عمان و قطر با توسعه زیرساختهای دادهمحور و اجرای سامانههای پیشبینیکننده، توانستهاند بخش قابلتوجهی از عملیات بندری خود را به سطح بنادر نسل آینده برسانند. در این میان، ایران نیز هرچند با محدودیتهایی همچون تحریمها، کمبود فناوری پیشرفته و شکاف زیرساختی مواجه است، اما پروژههایی در بنادر جنوبی خود آغاز کرده که میتواند شالودهای برای تحول عمیق لجستیک دریایی کشور در
دهه آینده باشد. در ایران، بندرعباس و چابهار—بهویژه پس از رفع برخی محدودیتهای تحریمی—بهعنوان نقاط کانونی این اقدامات انتخاب شدهاند و تلاش برای هوشمندسازی عملیات، بهینهسازی جریان کالا و کاهش تراکم با استفاده از الگوریتمهای هوش مصنوعی در آنها در حال انجام است. نخستین گامهای ایران برای ورود به عصر بنادر هوشمند، افزایش توان پیشبینی تقاضا، مدیریت بارگذاری تجهیزات و کاهش هزینههای توقف کالا بوده است. در بندر شهید رجایی، استفاده آزمایشی از الگوریتمهای هوش مصنوعی برای تخصیص هوشمند جرثقیلها و اسکلهها، تحلیل زمان واقعی وضعیت کانتینرها و پیشبینی الگوهای ورود کشتیها نتایج قابلتوجهی داشته است. گزارشهای اولیه نشان میدهد این پروژهها توانستهاند ۲۰ تا ۳۰ درصد از زمان عملیات را کاهش دهند و بخشی از هزینههای ناشی از تراکم و تأخیر را حذف کنند. این موضوع برای بندری مانند شهید رجایی که سهم عمدهای از واردات و صادرات ایران را مدیریت میکند، اهمیتی حیاتی دارد. در کنار این، سیستمهای مدیریت ترافیک دریایی مبتنی بر داده نیز در حال آزمایش هستند و تحلیل همزمان اطلاعات هواشناسی، سرعت کشتیها، تراکم مسیرهای دریایی و وضعیت اسکلهها، امکان تصمیمگیری هوشمند را فراهم کرده است؛ به گونهای که زمان انتظار کشتیها برای پهلوگیری در برخی بازهها تا ۲۰ درصد کاهش داشته است. پس از حادثه بزرگ انفجار کالای خطرناک در یکی از ترمینالهای جنوبی کشور در سال ۱۴۰۴، ضرورت استفاده از سامانههای پیشبینی خطر و تحلیل هوشمند بار بیش از پیش احساس شد. سازمان بنادر و دریانوردی ایران در واکنش به این حادثه، پروژههایی را برای شناسایی خودکار کالاهای پرخطر، ارتقای ایمنی انبارداری و کنترل هوشمند ورود و خروج آغاز کرد. استفاده از مدلهای پردازشی هوش مصنوعی در این پروژهها میتواند بین ۱۰ تا ۱۵ درصد هزینههای ایمنی و مدیریت خطر را کاهش دهد و احتمال خطاهای انسانی را به حداقل برساند. همچنین توسعه سامانههای پیشبینی تقاضا و مدیریت انبار در بنادر ایران، گامی مهم در جهت کاهش زمان خواب کالا و افزایش سرعت گردش کانتینرها محسوب میشود؛ موضوعی که در بنادر رقابتی جهان یک شاخص کلیدی کارایی است. همزمان با این تلاشها، کشورهای منطقه رویکردهای بسیار توسعهیافتهتری را در حوزه بنادر هوشمند پیاده کردهاند که نقطه مقایسه مهمی برای ایران محسوب میشود. امارات متحده عربی با اجرای یکی از گستردهترین برنامههای تحول دیجیتال در بنادر، بهویژه در جبل علی، توانسته است سیستمهای زمانبندی مبتنی بر هوش مصنوعی را در مدیریت جرثقیلهای خودکار، شناسایی لحظهای کانتینرها و مدیریت پهلوگیری کشتیها مستقر کند. این سامانهها موجب افزایش بهرهوری عملیاتی تا ۲۰ درصد شده و کاهش چشمگیر ازدحام و هزینههای حملونقل را به همراه داشتهاند. این کشور بخشی از برنامه ملی UAE AI 2031 را به توسعه لجستیک هوشمند اختصاص داده و هدف آن تبدیل امارات به قطب جهانی هوش مصنوعی است. در عربستان سعودی نیز پروژه عظیم «اکساگون» در نئوم با تمرکز بر لجستیک مبتنی بر AI طراحی شده و در آن از پهپادهای خودکار برای شمارش موجودی، مدلهای پیشبینی تقاضا و سیستمهای مدیریت زنجیره تأمین استفاده میشود. این اقدامات در کنار سرمایهگذاری دولت عربستان در شرکت HumAIn نشان میدهد که این کشور هوش مصنوعی را بهعنوان یک رکن استراتژیک آینده لجستیک خود انتخاب کرده است. در سایر کشورهای منطقه نیز حرکت به سمت بنادر هوشمند آغاز شده است. عمان از رباتهای مجهز به AI برای مدیریت انبارها در شرکت ASYAD استفاده میکند و این اقدامات بخشی از چشمانداز Vision 2040 این کشور است. بحرین نیز در حال توسعه ابزارهای برنامهریزی زنجیره تأمین مبتنی بر هوش مصنوعی است که قابلیت تعمیم به عملیات بندری را دارند. قطر و کویت هرچند اطلاعات کاملتری منتشر نکردهاند، اما در زیرساختهای هوشمند شهری، مدیریت ترافیک و صنعت نفت و گاز از AI استفاده میکنند؛ فناوریهایی که بهطور طبیعی وارد بنادر نفتی و صنعتی نیز شدهاند. در ایران نیز کاربرد AI به بخش تجاری محدود نمیشود و نشانههای استفاده گسترده از آن در حوزههای دفاعی و امنیت دریایی مشهود است؛ بهعنوان مثال، استفاده از پهپادهای مجهز به هوش مصنوعی برای گشت دریایی، سامانههای هدایت موشکی مبتنی بر پردازش داده، و ناو زاگرس که قابلیت تحلیل موقعیتی و پردازش بلادرنگ اطلاعات دریایی با کمک الگوریتمهای AI را دارد. هرچند این حوزه با اهداف تجاری تفاوت دارد، اما نشان میدهد زیرساخت مهندسی و دانش بومی لازم برای گسترش کاربردهای هوش مصنوعی در بنادر غیرنظامی نیز وجود دارد و با سرمایهگذاری صحیح میتواند بهطور گسترده به صنعت حملونقل منتقل شود. چالشهای اصلی ایران در مسیر توسعه بنادر هوشمند، شامل تحریمها، محدودیت در واردات تجهیزات پردازشی، کمبود GPU برای پردازش مدلهای پیچیده، ضعف در زیرساختهای داده، نبود یکپارچگی سامانههای بندری و کمبود نیروی انسانی آموزشدیده است. با این حال، گزارشها نشان میدهد ایران در سال ۲۰۲۵ حدود ۱۱۵ میلیون دلار در حوزه AI سرمایهگذاری کرده و برنامههایی برای ایجاد پارکهای هوش مصنوعی، توسعه دیتاسنترهای پردازشی و حمایت از شرکتهای دانشبنیان دارد. این سرمایهگذاریها میتواند مسیر توسعه فناوریهای بندری را تسریع کند، مشروط بر آنکه یک استراتژی ملی مشخص برای بنادر هوشمند تدوین شود و سازمان بنادر، شرکتهای عملیاتی، گمرک، وزارت اقتصاد و بخش خصوصی بهصورت هماهنگ عمل کنند. در سطح منطقهای، پیشبینی میشود هوش مصنوعی تا سال ۲۰۳۰ بین ۸ تا ۱۴ درصد به تولید ناخالص داخلی کشورهای خلیج فارس اضافه کند و بخش حملونقل دریایی یکی از اصلیترین بهرهبرداران این رشد باشد. اگر ایران بتواند با رفع چالشها و سرمایهگذاری هدفمند، جریان توسعه بنادر هوشمند را تسریع کند، نهتنها هزینههای لجستیکی خود را کاهش میدهد، بلکه موقعیت ژئولجستیکیاش در کریدورهای بینالمللی—از شمال–جنوب تا شرق–غرب—تقویت خواهد شد. در نهایت، آینده بنادر جهان از آنِ کشورهایی است که بتوانند داده را به تصمیم، تصمیم را به سرعت، و سرعت را به مزیت رقابتی تبدیل کنند. برای ایران، حرکت به سمت بنادر هوشمند نه یک انتخاب، بلکه ضرورت استراتژیک برای حفظ جایگاه در تجارت دریایی آینده است.
